版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)+旅游戰(zhàn)略口號的提出、全域旅游系統(tǒng)構(gòu)想的萌發(fā),智慧旅游、個性化旅游成為旅游行業(yè)發(fā)展的新趨勢?,F(xiàn)有的在線旅游系統(tǒng)存在一些問題,如智能化功能不明確、只能被動的接受網(wǎng)站提供的行程規(guī)劃、忽略用戶興趣、景點只是按熱度直觀的展示等,這些制約了旅游業(yè)的發(fā)展。旅游信息化、個性化既要能滿足出行者的興趣,又要能站在用戶的角度幫助其進行決策,要結(jié)合用戶的興趣和景點信息進行綜合分析,提升用戶滿意度。除了旅游目的地,住宿、旅行路線、美食等相關(guān)方面的信息
2、也需要考慮,這涉及到多目標優(yōu)化問題。
本文通過融合先驗知識的PKLDA模型對用戶興趣建模,結(jié)合景點信息、酒店價格和距離等信息指標,提出一種動態(tài)數(shù)據(jù)集上的k-支配Skyline查詢算法。本文的研究工作主要包括:
1)針對傳統(tǒng)LDA模型主題-詞分布雜亂的問題,引入先驗知識,提出基于先驗知識的LDA模型(PKLDA)進行景點聚類的方法。該方法通過PKLDA模型構(gòu)建主題-詞分布向量,基于主題-詞分布矩陣運用k-means方法
3、進行聚類,構(gòu)建用戶興趣模型,提升用戶查詢滿意度。實驗表明,融合知識的主題模型PKLDA能夠更好的區(qū)分主題,生成的主題-詞分布更加符合景點特征。
2)針對動態(tài)更新的數(shù)據(jù)集,提出循環(huán)遞歸的k-支配Skyline查詢算法,解決多目標優(yōu)化問題。首先采用分治法計算數(shù)據(jù)節(jié)點的支配能力,構(gòu)建分塊有序數(shù)據(jù)集,利用數(shù)據(jù)點支配能力、數(shù)據(jù)維度和k之間的關(guān)系減少節(jié)點之間的比較次數(shù),給出靜態(tài)數(shù)據(jù)集上的k-支配Skyline查詢算法;針對變化的數(shù)據(jù)集,引
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 連續(xù)K-支配SKYLINE查詢算法研究.pdf
- 基于索引的k-支配skyline算法研究.pdf
- 時間序列中的k-支配skyline算法研究.pdf
- 多樣k-支配輪廓查詢方法研究.pdf
- 基于K-匿名的隱私保護模型和算法研究.pdf
- 海量查詢下基于K-匿名的隱私保護算法研究.pdf
- 基于四叉樹的Skyline查詢算法.pdf
- Top-K潛力Skyline查詢的研究.pdf
- K-中心點和K-均值聚類算法研究.pdf
- 基于K-近鄰算法的資產(chǎn)定價模型與套利.pdf
- 基于維度偏好的Skyline查詢結(jié)果精簡算法.pdf
- 無線傳感數(shù)據(jù)的Skyline查詢算法研究.pdf
- 移動感知節(jié)點的K-覆蓋部署優(yōu)化模型與算法.pdf
- 無線傳感器網(wǎng)絡(luò)中k-連通k-支配集的集中式構(gòu)造研究.pdf
- 基于K-距離的孤立點和聚類算法研究.pdf
- PBASQ:一種基于劃分的Skyline查詢算法.pdf
- 高效關(guān)鍵詞Skyline查詢算法研究.pdf
- 數(shù)據(jù)廣播環(huán)境下基于位置的Skyline查詢算法研究.pdf
- k-中心平面聚類模型與算法研究.pdf
- 基于K-近鄰算法的文本自動分類.pdf
評論
0/150
提交評論